（水文学及水资源专业论文）水电站发电调度图优化研究.pdf

华北电力大学硕士学位论文 中文摘要 实现水库合理运行的重要手段之一。按常规方法绘制的水库调度图相对保 性，难以达到可靠性与效益的优化组合，在实际生产中人为手动修正的随 为了提高水电站发电效益，同时满足可靠性要求，基于组合智能算法，提 常规调度图的新方法混合模拟退火遗传算法，以实现水库调度图的 自动优化修正。该方法综合了遗传算法的全局搜索能力和模拟退火算法的 局部搜索能力，提高了计算精度，避免了手工修正调度图的随意性。通过在实际生产项 目中的应用与检验，证明该方法不仅能有效的优化水电站单独运行调度图，同时对梯级 水电站联合运行调度图的优化同样切实可靠，在满足了可靠性指标以及水库综合利用要 求约束的条件下，使发电量尽可能大，取得了可观的经济效益，达到了改善水库调度图、 提高水电站运行效益的目标，为水电站实现最佳经济运行提供了一条新的可行途径。 关键词：混合模拟退火遗传算法、水库发电调度图、梯级联合优化调度 a b s t r a c t t h er e s e r v o i ro p e r m i o nc h a r ti sa ni m p o r t a n tm e a n so fr e s e r v o i rr e a s o n a b l eo p e r a t i o n t h ec h a r td r a w i n gb yc o n v e n t i o n a lm e t h o di sh a r dt om e e tt h en e e d so fr e l i a b i l i t yi n d e x a n de f f i c i e n c yi n d e xo ft h eh y d r o p o w e rs t a t i o na tt h es a m et i m e ，a n dm a n u a lc o r r e c t i o n w i t ha r b i t r a r y t h e r e f o r e ，i no r d e rt oi m p r o v et h eg e n e r a t i n ge f f i c i e n c yo fh y d r o p o w e r , b a s e do nt h ec o m b i n a t i o no fi n t e l l i g e n ta l g o r i t h m ，t h i sp a p e rp u t sf o r w a r dan e wm e t h o d f o ro p t i m i z i n gr o u t i n eo p e r a t i o nc h a r t h y b r i dg e n e t i ca l g o r i t h ma n ds i m u l a t e d a n n e a l i n ga l g o r i t h m ，a c h i e v i n gt h ec o m p u t e r - a u t o m a t i co p t i m i z a t i o no ft h ec h a r t b y m i x i n gt h ea b i l i t yo ft h eg l o b a ls e a r c ho fg e n e t i ca l g o r i t h ma n dt h a to fl o c a ls e a r c ho f s i m u l a t e da n n e a l i n ga l g o r i t h m ，t h ec a l c u l a t i o na c c u r a c yi si m p r o v e da n dt h eh a p h a z a r d r y o fm a n u a lc o r r e c t i o no ft h ec h a r ti sa v o i d e d t h ea p p l i c a t i o no ft h i sm e t h o di np r a c t i c a l p r o j e c tp r o v e st h a tt h i sa l g o r i t h mi sr e l i a b l ea n de f f e c t i v en o to n l yf o rt h eo p t i m i z a t i o n o fo p e r a t i o nc h a r tb u ta l s oc a s c a d eh y d r o p o w e rs t a t i o n sw h i c hc a no b t a i nc o n s i d e r a b l e e c o n o m i cb e n e f i t i nt h em e a n w h i l e ，i tp r o v i d e saf e a s i b l ew a yf o rr e a l i z i n gt h e e c o n o m i c a lo p e r a t i o no fh y d r o p o w e rs t a t i o n k e y w o r d st h y b r i dg e n e t i ca l g o r i t h ma n ds i m u l a t e da n n e a l i n g ；r e s e r v o i ro p e r a t i o n c h a r t ；o p t i m a ld i s p a t c h i n go fc a s c a d er e s e r v o i r s s h a ol i n ( h y d r o l o g ya n dw a t e rr e s o u r c e s ) d i r e c t e db yp r o f w a n gl i p i n g & l ij i q i n g 华北电力大学硕十学位论文 目录 1 1选题背景及意义l 1 2国内外研究动态2 1 2 1单库优化研究动态2 1 2 2梯级水库群优化研究动态4 1 2 3智能算法的兴起5 1 3当前研究存在的主要问题6 1 4本文主要研究内容7 第二章混合模拟退火遗传算法8 2 1遗传算法基本原理8 2 1 1染色体编码方法9 2 1 2产生初始种群9 2 1 3评价函数9 2 1 4 遗传操作1 0 2 1 5 遗传算法的实现步骤1 l 2 2模拟退火算法基本原理1 2 2 2 1状态表达1 3 2 2 2 m e t r o p o l i s 准则1 3 2 2 3 初始高温设定一l3 2 2 4等温过程1 4 2 2 5降温过程1 4 2 2 6终止低温设定1 5 2 2 7 模拟退火算法的实现步骤1 5 2 3混合模拟退火遗传算法设计16 2 3 1初始化1 6 2 3 2 模拟退火算子1 6 2 3 3全局最优收敛1 6 2 3 4最优保存策略1 7 2 3 5混合模拟退火遗传算法流程1 7 第三章水电站单库常规调度图及其优化1 8 3 1水电站概况及电站资料1 8 3 2发电调度图编制模型1 9 3 3常规调度图绘制2 0 3 3 1 调度图的绘制2 0 3 3 2指导运行数据分析2 3 3 4 调度图优化2 3 3 4 1g a s a 优化调度图2 4 3 4 2 d p s a 优化调度图2 7 华北电力人学硕士学位论文 4 3s a 优化调度图2 8 优化数据对比及分析2 8 梯级水电站联合调度图及其优化3 0 梯级概况及各电站资料3 0 梯级调度图编制的模型建立3 1 2 1 目标函数31 2 2约束条件。3 2 梯级水电站初始联合调度图绘制3 3 4 3 1各梯级调度图绘制3 3 4 3 2指导水库运行数据分析3 6 4 4s a g a 优化梯级各电站调度图3 6 4 4 1目标函数的转化3 7 4 4 2优化设计3 7 4 4 3优化成果3 8 4 5计算结果分析3 9 第五章总结与展望4 2 5 1全文总结4 2 5 2研究展望4 2 参考文献。4 4 致谢4 9 在学期间发表的学术论文情况5 0 在校期间参加的科研情况5 0 2 华北电力大学硕士学位论文 景及意义 第一章绪论 国经济的快速发展，能源的消耗也持续增加，导致了能源短缺和一定程 度的环境污染和生态破坏。可再生能源是自然界中可以不断再生、取之不尽用之不 竭的资源，对环境无害或危害比较小，分布广泛，适宜就地开发。水电作为一种洁 净的可再生能源，具有运行费用低廉、机组启停灵活、调峰能力强的优势，早已成 为国际国内首选开发的能源，正因为如此，水电在整个电网中的作用与地位越来越 重要和突出。 “积极发展水电是中国国家能源政策的重要支柱。“十一五规划强调能源 发展对国民经济起重要支撑作用，中央经济工作会议也再次强调发展水电。从我国 水电政策的总体趋势看，水电是国民经济的基础产业，也是国家鼓励优先发展的产 业，水力发电利用的是可再生的洁净的水力资源，符合中国正在实施的可持续发展 战略，加大对中西部水电的开发也符合中国正在实施的西部大开发和发展中西部经 济的战略，发展水电十分重要。 对于水电站如何合理运行以及如何配合上下游电站高效运行，水库调度起到了 决定性的作用。水库调度，也称水库控制运用，是对已建水利水电枢纽合理有效的 控制运用，使其充分发挥防洪、兴利效益的技术措施【i 】。水库调度是根据水库所承 担的水力水电任务的主次和规定的运行原则，凭借水库的调蓄能力，在保证大坝安 全的前提下，对水库的入库流量过程进行调节，确保大坝及下游防洪安全、多发电 能，提高综合利用效益的一种控制技术。同一个电网内，往往有许多水电站形成水 电站水库群，实行水电站水库群联合优化调度，可以起到库容补偿、水文补偿的作 用，在几乎不增加任何额外投资的条件下，就可以获得比单库优化调度更显著的经 济效益。 水电站水库常规调度图无论对水电站的参数确定还是对水电站水库长期调度 运行，都具有非常重要的意义，是指导水库运行的重要依据【2 】。在没有长期水文预 报的条件下，不可能知道未来的水文情势。为了能合理进行水库调度，在安全可靠 的基础上充分利用水资源，在运行期间需要一个运筹水库放水的客观准则，这就是 水库调度刚3 1 。长期以来，调度图指导水库运行起到了很好的作用，但由于常规方 法在绘制水库调度图中的局限性，编制出来的调度图往往达不到可靠性( 保证率) 指标和效益( 发电量) 指标的优化组合，在实际生产运行中通常还需要对水库调度 1 华北电力人学硕士学位论文 图进行反复的、经验性的检验和修正，才能得到较好的图线位置。因此，针对常规 方法绘制的水库调度图存在的弱点，考虑运用智能算法对常规调度图的各调度线进 行优化修正，使发电量尽可能大，从而达到改善水库调度图、提高水电站运行效益 的目标。 调度图中上、下基本调度线是在各种设计枯水年( 具有不同年内分配) 的来水 条件下，水电站按保证出力工作时，水库在年内各时刻的最高和最低蓄水指示线， 是决定水电站及水库合理运行调度方式的基本依据。库水位处在上基本调度线上时 发保证出力反映了历时法保守的一面；库水位在下基本调度线上时发保证出力则反 映了历时法风险性的一面【4 】。当年调节水电站在运行中遇到天然来水量较丰时，某 时刻水库实际水位高于该时刻水库上基本调度线，则水电站应加大出力以充分利用 多蓄的水量。当遇到特枯水年份，天然来水量很小时，水电站扔按保证出力工作， 经过一段时间，水库水位将降落到下基本调度线以下，水量明显不足，水电站正常 工作将遭受破坏。因此在丰水年水库一般要加大出力，而枯水年则减小出力。本文 选择均匀加大出力以及均匀减小出力的方式，均匀加大出力时间较长，对电站运行 有利，能充分利用多余水量：均匀减小出力使水库发电破坏程度降低，系统补充容 量较易。 1 2 国内外研究动态 1 2 1单库优化研究动态 最早把优化概念引入水库调度的是m a s e s 、l i t t l e 5 1 等人，他们把动态规划( d p ) 应用于水库优化调度中，提出了径流为随机的水库优化调度随机数学模型，并以美 国大古力水电站水库为例、用随机动态规划法成功求解，从而标志着用系统科学方 法研究水库优化调度的开始。到了2 0 世纪7 0 、8 0 年代，随着系统理论在水库优化 调度领域的不断发展，针对不同问题的各种形式的模型也相继出现，研究成果极为 丰富。1 9 5 8 年，g a e s s f o r d 6 】等对该模型作了改进，提出机会约束条件下的模型。1 9 6 0 年，r a h o w a r d 提出了动态规划与马尔柯夫过程理论( m d p ) ，使水库优化调度从理 论上得到进一步完善。它解决了以前模型很难达到多年期望效益最大和满足水库系 统可靠性要求的理论缺陷。1 9 6 2 年，d o r f m a n t j 提出l p 模型。1 9 6 7 年，y o u n g g k p j 提出了d p 模型并研究了确定性来水条件下的水库优化调度d p 法，并开创了用确 定性模型建立水库调度规划的途径。1 9 6 8 年，h a l l w a 9 j 对y o u n g 的模型中时段费 用函数的表达式进行了改进，并对加利福尼亚州的s h a s t a 电站进行优化计算，获得 了较为满意的效果。1 9 7 0 年，l o u e k s 1 0 】等提出无折扣、马氏决策规划模型的策略迭 代法。b u t c h e r 】于1 9 7 1 年指出，如果最后的决策阶段是在将来的足够远的时间， 2 华北电力人学硕+ 学位论文 那么将有一个稳定策略，他应用离散随机动态规划方法为w a t a h e a m 水库制定了最 优稳定策略。s u 和d e i n i g e r 1 2 于1 9 7 2 年改进了策略迭代法，用迭代法求解。1 9 7 2 年，v l u g e l s 建立了折扣型马氏决策规划模型。a s l e w ( 1 9 7 4 ) 1 3 】，又用概率约束代替 机会约束。1 9 7 7 年，r o s s m e n t l t l 4 1 将l a g r a n g e 乘子理论用于随机约束问题的动态规 划，使破坏的期望值被约束在一个常数以下。针对水库调度中的风险，s m i o c i v 和 m a r i n o 在1 9 8 0 年研究了水库调度的可靠性。1 9 8 1 年，h o u c k 提出了一个包含与未 来径流预报有关的风险模型，该模型以预报可靠性作为输入，是一个有机遇约束的 线性规划模型。另外，随着美国控制论专家z a d e h 创立了模糊数学，1 9 7 0 年b e l l m a n 和z a d e h 又共同提出了融经典动态规划技术与模糊集合论于一体的模糊动态规划 法，为水库优化调度开辟了一条新途径。 国内水库优化调度的研究与应用始于1 9 6 3 年，谭维炎、刘健引”】等根据动态 规划与m a r k o v 过程理论，建立了一个长期调节水电站水库的优化调度模型，并在 狮子滩水电站的优化调度中得到应用。1 9 7 9 年，张勇传、熊斯毅【1 6 】等在建立拓溪水 电站水库优化调度模型时，用时空离散简单m a r k o v 过程描述径流过程，面临时段 入流则由短期预报提供，寻优方法采用可交方向探索法，绘制优化调度图仍用 b e l l m a n 最优化原理，但引进了惩罚项，因而提高了调度图的可靠性。同一时期， 董子敖【l7 j 等人在研究刘家峡水电站水库优化调度时，提出了国民经济效益最大的目 标函数，在寻优技术方面，采用了满足保证率要求的改变约束法，以控制破坏深度。 1 9 8 2 年，施熙灿、林翔岳i l 引等在研究枫树坝水电站优化调度时，提出了保证率约束 下的m a r k o v 决策规划模型。1 9 8 3 年，张勇传、傅昭阳【1 9 】提出了建立在对策论基础 上的水库优化调度图。同年，鲁子林【2 0 】等结合短期洪水预报模型，实施了富春江水 电站的优化调度，获得了平均每年增发电能2 4 7 0 万k w h 的效益。1 9 8 4 年，张勇传、 邴凤山【2 1 】等把模糊等价聚类、模糊映射和模糊决策等引入水库优化调度的研究。 1 9 8 6 年，李寿声、彭世彰【2 2 】等结合一些地区水库调度实际问题，拟订了一个非线性 规划模型和多维动态规划模型，用于解决满足多种水源分配的水库最优引水量问 题。同年，张玉新、冯尚友【2 3 】建立了一个多维决策的多目标动态规划模型，以多目 标中某一目标为基本目标，而将其它非基本目标作为状态变量处理，求解方法仍基 于一般的动态规划原理。该法实质上是单目标动态规划法在多目标问题中的应用， 因此，随着维数的增加，计算工作量必增加较多。为克服这一问题，张玉新、冯尚 友l 驯又于1 9 8 8 年提出了一个称之为多目标动态规划迭代法的求解方法，该法的核 心是构造一个三阶段函数，计算效率有所提高。同年，陈守煌【2 5 】提出多目标、多阶 段模糊型的基本原理和解法，把动态规划和模糊优选有机结合起来。其又与赵瑛琪 2 6 共同提出了系统层次分析模糊优选模型，这些研究成果为水库模糊优化调度的深 入研究奠定了理论基础。 3 华北电力人学硕士学位论文 1 2 2梯级水库群优化研究动态 对水库的优化调度，不仅局限在单库上，还推广于水库群优化调度上。最早的 水资源系统模拟是1 9 5 3 年美国陆军工程师团在计算机上模拟了密西西比河支流密 苏里河上的6 座水库的联合调度策略，模拟的目标是整个系统的发电量最大，且能 满足系统防洪、灌溉及航运在不同时期的要求。7 0 年代初，m e s a r o v i c ( 1 9 6 1 ) 根据 d a n t z i n g 和w o r e ( 1 9 6 0 ) 在处理大型线性规划问题时提出的大系统分解概念提出了大 系统递阶控制理论。随后，a r v a n i t i d i s 和r o s i n g t 2 7 ( 1 9 7 0 ) 提出了水库群调度的聚合 分解法，t u r g e o n 对该法又作了改进。同年，m u r r y a d 和s y o k o w i t s 以一个由l o 个水库组成的水库群为例验证了在微分动态规划的基础上发展起来的约束微分动 态规划，算法十分有效。h e i d a r i 等【2 8 1 ( 1 9 7 1 ) 考虑了来水已知的四个水库优化调度问 题，提出了一种称为离散微分动态规划的计算方法。l a r s o n 2 9 ( 1 9 6 8 ) 、t r o t t 和y e h ( 1 9 7 3 ) ，g i l r s 和w u n d e r l i c k ( 1 9 8 1 ) 先后应用增量动态规划( i d p ) 解决多库优化调度问 题。m u r r a y 和y a k o w i t z 3 0 1 ( 1 9 7 9 ) 发展了微分动态规划( d i f f d p ) 方法，并以四库为例， 说明该方法比d d d p 、i d p 都好。同年，g w 道格斯等提出了一维多目标动态规划 法( m o d p ) ，即将一个目标作为主要目标，而将其余目标作为状态变量( 称为目标状 态变量) 来处理。t u r g e o n a t 3 1 1 ( 1 9 8 1 ) 以h o w s o n 和s a n e h o 3 2 ( 1 9 7 5 ) 提出的逐步优化原 理为基础，提出了梯级水库群优化运行的逐步优化方法( p o a ) 。m a d n o 和 m o h h 锄m a d i 【3 3 1 ( 1 9 8 3 ) 针对加利福尼亚中心河谷工程水库群，分别用l p d p 、n l p 、 i d p 、d i f f d p 、p a o 方法进行水库优化调度研究，结果表明p o a 方法最好。 8 0 年代初我国才逐步进入水库群调度的研究中。谭维炎、刘健民等【j 4 j 在研究水 电站水库群优化调度图的计算方法时，提出了考虑保证率约束的优化调度图的递推 计算方法。1 9 8 1 年，张勇传【3 5 】利用大系统分解协调的观点，对两并联水电站水库的 联合优化调度问题进行了研究。1 9 8 2 年，熊斯毅、邮风山【3 6 j 根据系统分析思想，提 出了水库群优化调度的偏离损失系数法。该法采用m a r k o v 模型描述径流过程，偏 离损失系数是通过逐时段求解最优递推方程求得的，因此能反映面临时段效益和余 留期影响。1 9 8 2 年，叶秉如【3 玎等提出了并联水电站水库群年最优调度的动态解析法， 该法以古典优化法为基础，结合递推增优计算，在闽北水电站水库群优化调度的模 拟计算中，增加发电量6 6 。1 9 8 2 年，黄守信、方淑秀【3 驯等提出了以单库优化为 基础的两库轮流寻优法，用于并联水库群的优化调度计算。1 9 8 3 年，鲁子林p 卅将网 络分析中最小费用算法，用于水电站水库群的优化调度。1 9 8 5 年，纪昌明j 提出用 离散微分动态规划法对混联式水电站群动能指标进行优化。1 9 8 6 年，董子敖1 4 l j 等提 出了计入径流时空相关关系的多目标多层次优化法，该法采用分区推求条件频率曲 线和隐相关相结合的方法计入径流的时空相关关系，把一维动态规划逐步逼近法用 于二维状态，并采用参数迭代法实现降维求单目标次优解，以克服“维数灾障碍。 4 华北电力大学硕士学何论文 1 9 8 7 年，黄强【4 2 】把大系统分解协调技术对某梯级水电站水库长期优化运行作了研 究，并与马氏决策法进行了比较，其结果比后者略好。1 9 8 8 年，叶秉如【4 3 】等提出了 一种空间分解算法，并将多次动态规划法和空间分解法分别用于研究红水河梯级水 电站水库群的优化调度问题。同年，胡振鹏、冯尚友】提出了动态大系统多目标递 阶分析的分解聚合方法，该法为解决跨流域供水水库群联合运行中多库、多目 标、多层次、调节周期长和计算时段多等复杂情况提供了有效方法，在解决丹江口 水库防洪与兴利两个目标的优化调度时便应用了该方法。1 9 9 1 年，吴保生等【4 5 】提出 了并联防洪系统优化调度的多阶段逐次优化算法，该法由三阶段子模型和跨阶段子 模型组成，以时间向后截取的防洪控制点过程的峰值最小为目标函数，成功地解决 了河道水流状态的滞后影响。1 9 9 3 年，纪昌明，冯尚友m 】提出建立了库群优化运行 的可逆性随即动态规划模型。1 9 9 4 年，都金康，周广安【4 7 】针对吴保生等提出的方法 寻优速度较慢的缺点，提出了一种简便高效的水库群防洪调度逐次优化方法。模糊 优化调度理论的发展历史虽然不长，但在水电站水库群的优化调度中也得到了许多 应用。吴倍益【4 8 j 于1 9 8 5 年提出应用模糊数学进行了水库群优化调度。1 9 9 0 年陈 守煌【4 别提出了多目标、多阶段模糊优化模型的基本原理和解法。之后许多人在这方 面进行了研究。1 9 9 4 年，王本德1 5 0 j 等提出了梯级水库群防洪系统多目标洪水调度的 模糊优选模型，该模型分别在丰满白山梯级防洪系统和清河南城子柴 河串并联水库群防洪系统的优化调度中得到了很好的应用。 1 2 3智能算法的兴起 进入本世纪4 0 年代，生物模拟成为了计算科学的一个组成部分。6 0 年代，美 国m i c h i g a n 大学的j o h nh o l l a n d 对自然进化的特征产生了极大的兴趣。1 9 7 5 年， h o l l a n d 出版了颇有影响的专著【5 1 1 ，将遗传算法正式代入人们的视野当中。h o l l a n d 吸取自然界中适者生存和基因遗传的思想提出了遗传算法一种全新的优化搜 索算法。8 0 年代中期该算法获得迅速发展。e a s t 和h a l l 5 2 】( 1 9 9 4 ) 假设入库流量已知 条件下使用遗传算法应用在线性规划及动态规划上，求解四个水库问题，并比较遗 传算法与离散微分动态规划的计算时间与记忆容量，发现遗传算法可将系统复杂性 简化许多。l o u c k s 和0 1 i v e i a r t s 3 1 ( 1 9 9 7 ) 利用合成流量，将遗传算法应用在假想的并 联2 个水库的操作策略上。m i l u t i n t 驯( 1 9 9 8 ) 曾以此模式应用在七个水库优化调度分 析上。 近年来，计算机技术的不断发展加速了大规模数据的处理能力，使得更多基于 计算机技术的智能算法不断发展起来，并被广泛应用于各个领域。其中，遗传算法 ( g a ) 如文献【5 5 1 、人工神经网络( a n n ) 如文献【矧、蚁群算法( a c a ) 如文献【5 7 】、粒子群 算法( p s o ) 如文献【5 8 】、模拟退火算法( s a ) 如文献【5 9 】等已被应用于水电站水库优化调 5 华北电力人学硕士学位论文 度领域并取得了一定的成果。同时，水电站水库调度图的优化研究也因智能算法的 出现，得到了很大的进步。尹正杰【删，张双虎、黄强【6 1 】等利用遗传算法对调度图进 行求解；周念来、纪昌吲6 2 】利用蚁群算法对调度图进行优化研究；李玮【6 列等在清江 梯级调度图的研究中采用了粒子群算法。 纵览水库优化调度国内外研究历史，我们可以看出，水库优化调度初始阶段更 侧重于理论方面的研究，模型、算法是其主要的核心内容。而近十几年来，理论研 究f l 渐成熟并趋于完善，水库优化调度的研究便从理论走向实际，开始注重与生产 实践相结合，尽可能的将研究成果应用于实际生产当中，以弥补理论研究与实际应 用相脱节的弊端。众多专家学者针对实际生产项目，结合具体河流，流域特性，有 目的性的研究探讨出适合某一具体水电站、并为生产管理者所接受的水库调度模型 及应用方法。这也成为水库优化调度研究的一个新的热点及发展趋势1 6 4 j 。 1 3 当前研究存在的主要问题 可以看出，水库优化调度在国内外已经有5 0 多年的历史，优化理论、方法和 模型等方面都有了很大的进展，也取得了大量的研究成果。但从中我们也不难看出， 优化调度的研究成果依然存在一定问题。水库发电调度图的绘制及优化同样在实际 生产计算中存在不足。 首先，一些研究片面追求深奥的理论方法、复杂的数学模型，使有些模型操作 繁琐，不利于实际生产应用。而同时，也有一些模型做了太多的假设和简化，使模 型不能很好地描述水库( 群) 的实际情况，忽视了水资源系统、电力系统的复杂多 边性。 第二，典型代表年的选取随意性较大，代表性不强。由于各年来水在年际和年 内分配很不均匀，典型年代表水库来水与发电用水间组合的代表性稍差1 6 引。由于代 表年的选取，在已知水库库容等参数的情况下，供、蓄期的划分也有些简单，每年 均按固定的月份划分，这对水库实际运行会造成一定影响。 第三，调度图的上、下基本调度线是取几个典型年供蓄水过程线的外包线加以 人为修正得到的。但上基本调度线应以较丰水年为依据，下基本调度线应以较枯水 年为依据，这就使调度图的保证出力区保证程度不清脚】。而依据上、下基本调度线 绘制的加大、降低出力线也随之受到影响，令加大不彻底，降低不充分，导致整个 调度图不能很好的指导水库运行，存在一定的提升空间。 第四，再好的研究结果只有应用到实际生产中才能得到检验。根据不同的实际 情况还应有所修正。调度经验是否丰富，难免会影响最终修正的结论。而人为修正 带有较强的主观性以及较大的随意性，不能很好的满足客观的调度需求。 6 华北电力人学硕+ 学位论文 除此之外，还会遇到很多问题和困难，应根据不同原因，从实际生产出发，结 合理论研究，找出问题的关键并解决。 1 4 本文主要研究内容 水电站水库运行能否很好的满足电力系统可靠性和经济性要求，关系着水电站 整体的运行效益。调度图是实现水库合理运行的重要手段之一。调度图中上、下基 本调度线是在各种设计枯水年的来水条件下，水电站按保证出力工作时，水库在年 内各时刻的最高和最低蓄水指示线，是水电站及水库合理运行的基本依据；加大出 力区与降低出力区也分别考虑到了丰、特丰以及枯、特枯水年的情况。所以在常规 调度中调度图既简明实用又对指导水库长期合理、安全、有效的运行具有极其重要 的意义。目前，按常规计算方法绘制的水库调度图仍然是指导水电站运行最基本的 可靠工具，在生产中仍被广泛采用。但如前所述其不足，常规调度图有着较大的优 化空间。 近年来，各种智能算法大量应用于实际生产当中，各算法均存在其弱点，一于是 考虑将遗传算法与模拟退火算法相结合，这样既可以解决遗传算法的早熟现象，又 可以加快模拟退火的寻优速度，有利于得到全局最优解。所以，针对常规方法绘制 的水库调度图存在的弱点，本文将遗传算法和模拟退火算法结合起来，建立适用于 水库调度图优化的混合模拟退火遗传算法( s a g a ) 。在满足水电站设计保证率和 水库组合利用要求下，对常规调度图的各调度线进行优化修正。 论文主要研究内容如下： 第一章绪论。介绍论文的选题背景及意义，在纵观国内外水库调度研究现状的基础 上，总结出当前研究所存在的问题，提出本论文的主要研究内容。 第二章混合模拟退火遗传算法。简要概述了传统遗传算法、模拟退火算法，以及通 过两算法的优势互补，得到的混合模拟退火遗传算法。 第三章水电站单库常规调度图及其优化。本章细述了单库调度图的常规编制方法， 以实际水库为例，绘制其常规调度图，并分别采用了混合模拟退火算法、动态规划逐次 逼近法、模拟退火算法三种方法对该调度图进行优化，比较分析优化结果。 第四章梯级水电站联合调度图及其优化。本章首先建立了编制联合调度图的数学模 型，再基于第三章的优化结果，采用s a g a 算法对某梯级水电站做联合调度图编制及其 优化，并对其结果做详细分析。 第五章总结与展望。 7 华北电力大学硕士学位论文 第二章混合模拟退火遗传算法 优化水电站水库发电调度图，首先确定优化方法。本章节在已有算法的基础上， 建立本文所要使用的优化算法，即混合模拟退火遗传算法。相比其他智能算法，蚁 群算法解构造过程计算量较大，搜索时间长，易出现停滞；粒子群算法受初始解影 响很大，初始解的好坏直接影响整个算法的寻优结果；禁忌搜索算法对给定的实际 工程问题，调试量过大【6 1 7 】人工神经网络极易陷入局部极小点，找不到合法解等i o 引 不足，遗传算法( g a ) 和模拟退火算法( s a ) 虽然也均存在各自的缺点，但两者 结合后便可相互弥补，成为较优良的混合智能算法。遗传算法的全局搜索能力强， 但却易早熟、缺乏局部搜索能力；模拟退火算法全局搜索能力弱，寻优时间长，却 有着良好的局部搜索能力。两算法的结合，恰当的弥补了各自的不足，提高算法整 体的可靠性，有利于得到全局最优解。 2 1 遗传算法基本原理 遗传算法( g e n e t i ca l g o r i t h m 简称g a ) ，是因h o l l a n d 在1 9 7 5 年出版的颇有影响 的专著a d a p t a t i o ni nn a t u r a la n da r t i f i c i a ls y s t e m s 而确立并逐渐为人所知的【6 9 1 。遗传算 法是模拟生物界的遗传和进化过程而建立起来的一种搜索算法，主要特点是群体搜索策 略和群体中个体之间的信息交换，且搜索策略不依赖于梯度信息。另外，算法操作简便， 实用性强，因此，特别适合处理传统的搜索策略难于处理的问题，可广泛应用于函数寻 优、静态优化、优化调度、模式识别、图像处理、机器人、组合优化、机器学习、自适 应控制和人工生命等领域【7 0 1 。算法引入了自然生物进化理论“生存竞争、优胜劣汰、适 者生存 的竞争机制，最能适应自然环境的群体将得到更大的产生后代的机会，无法与 自然环境相适应的群体将被淘汰。同时，遗传学中的染色体、基因、选择、交叉、变异 等概念也一并引入遗传算法中，成为算法求解问题的关键。 遗传算法的基本思想是随机产生初始解，即初始“种群 ，并对种群个体逐一进行 搜索，计算适应度，进行遗传操作，直至达到满足既定约束条件的最优解或近似最优解。 种群中每个个体，即问题的一个解，称为“染色体”；问题的函数值被称为“适应度， 适应度的大小是评价染色体好坏的标准，适应度大的染色体被选择进行遗传操作或进入 下一代的几率较高，反之，则较小。经过交叉和变异等遗传操作产生的新染色体，即为 “后代；经过若干代之后，算法收敛于最好的染色体，该染色体就是问题的最优解或 8 际生产问题时，对遗传算法染色体的编码可采用实数编码。采用实数编码的好处主要体 现在可以在遗传算法中表示范围较大且精度较高的设计变量，也便于在复杂约束条件下 的较大空间内进行遗传搜索，同时容易与所研究问题的相关信息结合，增加算法的整体 搜索能力。 2 1 2 产生初始种群 初始种群是根据编码方法随机产生的。种群的大小根据所处理问题的复杂程度及计 算机处理能力所决定。定义整数p o p s i z e 作为染色体的个数，在问题约束条件的范围内 臣0n - - i 随机产生p o p s i z e 个初始可行染色体k ，s 融。 。 2 1 3评价函数 评价函数又叫适值函数，就是评价染色体适应度大小的函数。评价函数一般根据问 题的目标函数来设计，甚至直接采用目标函数。将目标函数表示为f ( x ) ，评价函数表示 为f ( x ) ，那么对于目标函数最小值的优化问题，理论上简单的加一个负号就可以将其转 化为求目标函数最大值的优化问题，即f ( 功= 一m i n f ( x ) ；对于求目标函数最大值的优 化问题，当目标函数总为正值时，可以直接设定其适值函数就等于目标函数，即 ，( 功= m a x f ( x ) 。生物学家使用适应度这个术语来度量某个物种对于其生存环境的适应 程度。适应度高的群体将有更多机会进行繁衍，而适应度较低的群体繁殖机会则相对较 少，甚至会逐渐灭绝。同样，遗传算法对染色体个体进行的适应度评价，通过轮盘赌方 式，使得适应度高的个体被选择的机会高，适应度低的个体将逐渐被淘汰。 9 华北电力大学硕士学位论文 2 1 4遗传操作 遗传操作包括选择运算及遗传运算两步。选择算子应用于种群优良个体的选择。遗 传算子则包括“交叉”算子和“变异”算子，用于种群的繁殖、进化。简单遗传算法的 每个种群都是在种群内部独立的进行选择、交叉、变异操作的，种群间无相互联系。 2 1 4 1 选择算子 根据问题的目标函数确定了每个个体的适应度后，则开始对染色体进行遗传选择。 选择就是从当前代的种群中选择出较适应环境的个体，用以作为繁殖下一代的母体。个 体的适应度越大，其被选择的几率也越大，产生的后代对环境的适应能力也越强。选择 算子仿照自然界和生物系统中适者生存的规则，具有较强适应性的个体具有高于平均概 率的机会将自身的信息传递到下一代种群中，而适应性差的个体这样的概率则偏低。选 择算子多采用轮盘赌的选择方式。 首先以正比选择策略确定个体遗传概率，即个体被选中进行遗传运算的概率等于该 个体适应度与种群中所有个体适应度总和的比率。如个体k 的适应度为f i ，种群规模为 f p o p s i z e ，那么，形被选择的概率则为易= 丙。确定了种群每个个体的遗传概率后， e 采用轮盘赌的方法来实现选择操作。计算每个染色体k 累积概率g ，令g o = o ，各染色 i 体的积累概率吼= 吃。从( o ，1 ) 中随机产生一个数，若g h ，吼，则选择出的染色 j = l 体为第i 染色体g ( 1 f e ，则无条件接受_ ，为当前状态，取代初始状态f ； 但如果e ，e ，则考虑热运动的影响，仅以一定概率只接受。此转移概率b 为一 个小于1 的数，其计算表达式为： 一f e 一e 、 = e x p j i 】 ( 2 2 一1 ) k 七为波尔兹曼常数；r 为温度。 从该表达式可以看出，算法在初始高温阶段，由于r 很大，尸f 几乎趋于l ，使算法 基本接受邻域中的任何解，也就是初期进行广域搜索；而随着温度的逐渐降低，p f 减小 并逐渐趋于0 ，使算法更容易接受邻域中更好的解，放弃差解，使其进入局部搜索。 2 2 3初始高温设定 模拟退火算法的初始高温将系统可能存在的非均匀态消除，使整个系统以某一平衡 态为起点，为更好的进行之后的冷却过程做准备。初始温度的大小对s a 算法的性能会 有很大的影响。根据式( 2 2 1 ) ，为了在算法初期使专1 ，初始温度乃要足够大，也 ei e ? 就是使 0 ，以保证算法在运算初期处在一个较高温的均匀平衡状态。在算法实 1 0 际应用中，要根据以往经验，通过反复试验来确定的值。 1 3 华北电力人学硕士学位论文 2 2 4等温过程 等温过程的作用是为了保证系统在每一个过程都可以达到平衡态，最终使系统达到 稳定的基态。这个过程就是指在温度死下，算法基于m e t r o p o l i s 准则进行随机搜索，使 达到该温度下的平衡状态。降低温度后再次循环该过程，直至到达最低温度下的稳态。 等温过程是模拟退火算法的内循环过程，为能够保证在某温度下系统达到平衡状 态，内循环次数要足够大才行。但是，在实际应用当中，要想使算法达到理论的平衡状 态几乎是不可能的，只能尽可能的使其接近这一结果。最常见的设定内循环次数的方法 就是将其设定为一个常数，即在每一个温度下，内循环的迭代次数均相同。但这种循环 次数的设定方法，忽视了算法初期与后期搜索空间及搜索方式的差异，有可能导致初期 搜索次数过多，后期搜索次数不足的弊端。其实，内循环次数的选取同所要解决问题的 实际规模有关，往往需要根据一些经验公式获得。 2 2 5降温过程 降温过程也就是使系统能量逐渐下降，使系统内部分子热运动减弱并趋于有序的过 程。从理论上来说，模拟退火算法仅要求温度最终趋于0 ，以达到系统的平衡基态，而 对于温度如何下降，下降速度并没有限制，但这并不意味着可以随意下降温度。 降温过程是算法的外循环过程。温度的大小决定着s a 进行搜索的方式，当温度很 高时，邻域中所有的解都有被接受的可能，那么此时进行的是广域搜索；当温度变低时， 邻域中越来越多的解会被拒绝，s a 进行邻域搜索。降温过程一般以降温函数来进行控 制。降温函数不仅控制了算法降低温度时的各阶段温度，也控制了算法外循环的迭代次 数。这也是模拟退火算法以温度控制迭代次数这一特点的体现。所以，降温函数的选择 直接影响着算法的性能。 模拟退火算法有多种降温方式，等步长降温及等比率降温是算法常用的简单易行， 易操作的降温方式。 ( 1 ) 等比率降温方式： 瓦= r o k 4 其中k ( o 9 ，0 9 9 ) 。该方式下温度每步都以相同的比率下降，操作简单。而k 的大小决定了温度下降的快慢。 ( 2 ) 等步长降温方式： 瓦= r 0 一n x 丁 r 是温度每一步下降的步长。该方式下温度每一步下降的大小都是相同的，可 以简单的控制温度下降的总步长。 1 4 华北电力人学硕十学位论文 样，模拟退火算法终止温度的选择对算法最后能否得到优